本文關(guān)鍵詞： 后驗(yàn)預(yù)測(cè)分布 模型評(píng)價(jià) 貝葉斯ZIP模型　出處：《鄭州大學(xué)學(xué)報(bào)(醫(yī)學(xué)版)》2015年02期 　論文類(lèi)型：期刊論文

【摘要】：目的:探討基于后驗(yàn)預(yù)測(cè)分布的貝葉斯模型評(píng)價(jià)方法。方法:采用貝葉斯ZIP模型和Possion模型分析霍亂傳染數(shù)據(jù),通過(guò)后驗(yàn)預(yù)測(cè)分布評(píng)價(jià)2個(gè)模型的擬合優(yōu)度。結(jié)果:如果以數(shù)據(jù)中0的家庭數(shù)為差別檢驗(yàn)統(tǒng)計(jì)量,則Poisson模型和ZIP模型的后驗(yàn)預(yù)測(cè)P值分別為0.038和0.503。如果以χ2為差別檢驗(yàn)統(tǒng)計(jì)量,則Poisson模型和ZIP模型的后驗(yàn)預(yù)測(cè)P值分為0.005和0.476。結(jié)論:ZIP模型對(duì)霍亂傳染數(shù)據(jù)擬合良好,而Possion模型擬合不足。
[Abstract]:Objective : To explore the Bayesian model evaluation method based on posterior prediction distribution . The Bayesian ZIP model and the Possion model are used to analyze the epidemic data of cholera , and the goodness of fit of the two models is evaluated by the posterior prediction distribution . The results show that the posterior prediction P values of the Poisson model and the ZIP model are 0 . 005 and 0 . 476 respectively . If the statistic is checked by the difference of 蠂 2 , the Poisson model and the posterior prediction P value of the ZIP model are divided into 0.005 and 0.476 . Conclusion : The ZIP model fits well with the cholera epidemic data , and the model of the Possion model is not fit .

【作者單位】： 徐州醫(yī)學(xué)院公共衛(wèi)生學(xué)院流行病與衛(wèi)生統(tǒng)計(jì)學(xué)教研室;東南大學(xué)公共衛(wèi)生學(xué)院流行病與衛(wèi)生統(tǒng)計(jì)學(xué)教研室;南京醫(yī)科大學(xué)公共衛(wèi)生學(xué)院生物統(tǒng)計(jì)學(xué)系;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目81402765 國(guó)家統(tǒng)計(jì)局全國(guó)統(tǒng)計(jì)科學(xué)研究項(xiàng)目2014LY112 江蘇省教育廳高校哲學(xué)社會(huì)科學(xué)研究基金項(xiàng)目2013SJD790032,2013SJB790059
【分類(lèi)號(hào)】：R516.5
【正文快照】： 貝葉斯統(tǒng)計(jì)和經(jīng)典頻率統(tǒng)計(jì)的最大不同在于前者認(rèn)為參數(shù)是隨機(jī)變量以及概率是對(duì)隨機(jī)事件的主觀信任度[1-2]。大體而言,貝葉斯數(shù)據(jù)分析可以分為3個(gè)過(guò)程[1]:1通過(guò)先驗(yàn)對(duì)參數(shù)已有信息做出概括,用似然模型描述數(shù)據(jù)的產(chǎn)生機(jī)制。2應(yīng)用貝葉斯定理得到后驗(yàn)分布,計(jì)算后驗(yàn)統(tǒng)計(jì)量,進(jìn)行推斷

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前6條

1 曾勇;唐小我;;無(wú)偏組合預(yù)測(cè)的貝葉斯模型及其分析[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 何彬;姜明艷;王程飛;趙卉;王先龍;;基于分子指紋的樸素貝葉斯模型預(yù)測(cè)小分子直接作用靶標(biāo)[A];中國(guó)化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)第14分會(huì)場(chǎng)摘要集[C];2012年

3 高麗君;;基于貝葉斯模型平均生存模型的中小企業(yè)信用風(fēng)險(xiǎn)估計(jì)[A];第十四屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集(上冊(cè))[C];2012年

4 石瓊豪;馬莉;鄒紹芳;;基于視覺(jué)雙通路與貝葉斯模型的煙霧檢測(cè)方法[A];浙江省電子學(xué)會(huì)2012學(xué)術(shù)年會(huì)論文集[C];2012年

5 劉信恩;肖世富;莫軍;;復(fù)雜數(shù)值模擬的貝葉斯模型確認(rèn)框架及其簡(jiǎn)化[A];中國(guó)力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2009論文摘要集[C];2009年

6 盧俊;蘇娟;楊羅;;視覺(jué)注意模型的研究與發(fā)展[A];國(guó)家安全地球物理叢書(shū)（八）——遙感地球物理與國(guó)家安全[C];2012年

相關(guān)碩士學(xué)位論文 前6條

1 馬欣;基于預(yù)測(cè)似然的貝葉斯模型平均及其在電力負(fù)荷預(yù)測(cè)中的應(yīng)用[D];重慶師范大學(xué);2010年

2 陳慧;基于貝葉斯模型的微博虛假話(huà)題數(shù)據(jù)分析研究[D];山東大學(xué);2013年

3 鄧志超;類(lèi)別歸納推理貝葉斯模型的實(shí)驗(yàn)研究[D];北京工業(yè)大學(xué);2014年

4 鄧正虹;時(shí)空關(guān)系約束的流量矩陣估計(jì)方法研究[D];電子科技大學(xué);2009年

5 鎮(zhèn)麗華;基于增量式貝葉斯模型的中文問(wèn)句分類(lèi)研究[D];安徽工業(yè)大學(xué);2014年

6 尹靜;對(duì)歸納推理貝葉斯模型的檢驗(yàn)研究[D];陜西師范大學(xué);2010年

，

本文編號(hào)：1444484